OpenResearch 将研究组织为一个不断演化的“声明、证据与决策”图谱，而不是从 idea 到 paper 的线性流水线。
OpenResearch 是一个面向 AI/ML 研究的开源系统，目标是支持 可追踪、可验证、可持续积累的人机协作研究。
它的核心思想很简单：
- 研究应该被拆解为最小、可检验的科学原子
- 每个原子由
声明（Claim） + 证据（Evidence）组成 - 整个项目被维护为一个不断扩展的 原子知识图谱
- AI 围绕 声明验证 工作：理解上下文、生成计划、编写代码、执行实验、整理结果并回写图谱
- 人类负责 提出问题、做出判断、确认方向与修正结论
OpenResearch 不把研究看作零散对话、临时代码和最终论文的堆叠，而是把研究过程本身组织成一个 持久、可检查、可交互的动态系统。 最终该图谱沉淀为可直接利用的研究资产， 可以由AI 整理成报告、论文等可以对外输出的成果
- 这里介绍了一个 OpenResearch 闭环的完整运行， 帮助用户快速上手
OpenResearch 以一个持续迭代的研究闭环为核心：
- 人类或 AI 提出新的声明
- AI 扩展该声明相关的局部图谱上下文
- AI 生成验证计划
- AI 编写代码并执行实验
- 实验结果以结构化证据形式回写图谱
- 人类对声明进行接受、拒绝、修改或拆分
- 图谱更新并继续扩展
- 新的声明从更新后的图谱中继续产生
因此，研究不再是一次性的流程，而是一个持续演化的图谱系统。
OpenResearch 将研究表示为由多个 科学原子 构成的图谱 (OpenResearch推荐的建模方式)。
每个原子包含：
- 声明（Claim）：一个精确的科学陈述
- 证据（Evidence）：用于支持、挑战或修正该声明的推导、实验、观察或结果
原子可以承担不同角色，例如：
- Fact
- Method
- Theorem
- Verification
原子之间通过类型化关系连接，例如：
motivatesformalizesderivesanalyzessupportscontradictsverifies
这种结构不仅记录最终结论，也保留研究过程中真正重要的部分：
中间推理、失败尝试、设计决策、局部修正和未解决矛盾。
论文是研究的压缩结果，而不是研究本身。
它往往会隐藏许多真正关键的信息，例如：
- 被放弃的分支
- 中间声明
- 失败实验
- 脆弱假设
- 替代解释
- 尚未解决的矛盾
OpenResearch 采用 graph-first，而不是 paper-first 的方式。
我们希望保留研究真实演化的状态，让后续工作能够基于：
- 做过什么
- 为什么这样做
- 哪些方向失败了
- 哪些证据支持或反驳了声明
继续推进，而不是每次都从压缩后的结论重新开始。
许多 AI 科研系统更关注 端到端自动化，例如从想法生成、实验执行到论文写作的完整流水线。
OpenResearch 关注的重点不同：
- 原子级溯源
- 可检查的推理状态
- 持久研究记忆
- 人类参与控制
- 细粒度的人机协作
它的目标不只是更快地产出论文，而是让研究过程本身变得：
- 可追踪
- 可复查
- 可复用
- 可长期积累
OpenResearch 旨在支持如下研究工作流：
- 将论文解析为结构化的
声明-证据原子 - 构建并维护原子知识图谱
- 基于现有图谱提出新声明
- 为声明生成可执行的验证计划
- 编写并运行实验代码
- 收集实验结果并整理为结构化证据
- 将结果附加回图谱形成闭环
- 对声明进行接受 / 拒绝 / refine / split
- 保留长期研究记忆，避免重复试错
- 支持人类与 AI 围绕单个声明、定理、方法和实验进行协作
当前 OpenResearch 主要面向 AI/ML 研究场景，尤其适合以下任务：
- 文献理解与结构化拆解
- 基于 claim 的实验设计
- 实验跟踪与结果汇总
- 研究记忆的长期维护
- 围绕局部问题的人机协作迭代
在当前闭环基础上，OpenResearch 未来希望继续扩展为更完整的研究操作系统，包括：
- 跨团队协作：支持多人在同一研究图谱上实时协作、讨论和推进
- 自动生成论文、报告或演示稿草稿：从已有原子图谱、实验结果和证据中自动组织研究叙述
- AI 主动探索模式：以 OpenResearch 为 AI 研究操作系统，让 AI 不仅响应指令，还能围绕图谱主动提出问题、设计验证并推进科学探索
- .....
OpenResearch 仍处于早期阶段，正在持续开发中。
OpenResearch 不只是一个“AI 科学家”，更希望成为一个 研究操作系统。
在这个系统中：
- idea 变成声明
- 声明变成可执行验证
- 结果变成结构化证据
- 矛盾保持可见
- 研究能够长期导航和积累
它的目标不是取代研究者，而是让人类与 AI 能围绕真实研究过程进行更高效、更透明、更可持续的协作。
如果你关注以下方向，OpenResearch 可能会适合你：
- AI 辅助科学研究
- 人机协作发现
- 结构化科学记忆
- 可解释研究代理
- 长周期研究工作流
本项目的设计与实现受到 FARS、ARIS、DeepScientist 等工作的启发；
同时，OpenResearch 的工程实现基于 opencode 持续开发与扩展。在此向相关项目与贡献者表示感谢。
